Распознавание образов

Руководитель

Белых Игорь Николаевич, к.ф-м.н., доцент

Контакты

В настоящее время в состав лаборатории функционально входят следующие сотрудники ППС кафедры КИТ, которые сочетают преподавательскую и научно-исследовательскую работу и руководят научно-исследовательской работой студентов:

  1. Белых И.Н. – к.ф.-м.н., зав. лабораторией, доцент КИТ ИКНТ (индекс Хирша=6 по Scopus);
  2. Пак В.Г. – к.ф.-м.н., старший научный сотрудник, доцент КИТ ИКНТ;
  3. Заковряшин Ю.Д. – научный сотрудник, старший преподаватель ВИШ СПбПУ;
  4. Павлов В.А. аспирант КИТ ИКНТ.
  5. Марков Дмитрий Михайлович - аспирант кафедры КИТ ИКНТ (научный руководитель Белых И.Н.).

Общая информация

Лаборатория распознавания образов (ЛРО) была организована в декабре 2012 г. на базе кафедры КИТ с целью объединения усилий профессорско-преподавательского состава, аспирантов и студентов в прикладных исследованиях в области искусственного интеллекта и активно развивающихся направлений компьютерного зрения и распознавания образов. Как известно, результатами решения задач распознавания образов являются различные экспертные системы, включающие в себя как программное, так и аппаратное обеспечение. Примерами являются различные системы мониторинга и жизнеобеспечения, идентификации и диагностики, автоматизированные и роботизированные системы и др.

Актуальность задач распознавания диктуется постоянно возрастающей потребностью отраслей науки, экономики и промышленности в их решениях в виде готовых интеллектуальных устройств и прикладных пакетов программ, что требует постоянного поиска новых более качественных теоретических, алгоритмических и технических решений.

Основными задачами работы ЛРО являются разработка методов, алгоритмов, программного обеспечения и технических средств, востребованных на рынке высокотехнологичных товаров и услуг, а также подготовка научных кадров и представление результатов исследований в виде индексируемых публикаций на международных конференциях и в цитируемых журналах.

Методы исследований ЛРО основываются на известных и развиваемых математических подходах и включают в себя этапы: математического и физического моделирования прямых и обратных задач распознавания, разработки алгоритмов численного решения задач, численных и натурных экспериментов, разработки прототипов программного и аппаратного обеспечения, опытных испытаний разработанных прототипов.

Научно-исследовательская работа

Теоретические и прикладные исследования лаборатории ведутся по нескольким направлениям:

Направление 1. Развитие математических методов распознавания образов и их применение к проблемам искусственного интеллекта.

Проект 1.1. «Автоматический логический вывод».

Ответственный исполнитель проекта: к.ф.-м.н.Пак В.Г.

Цель проекта: разработка новых методов автоматического логического вывода для машинного доказательства теорем с приложениями к разработке алгоритмов распознавания древовидного типа и верификации программного обеспечения для систем искусственного интеллекта.

Задачами проекта являются:

  • обзор логических МАД (метод Маслова и др.);
  • разработка и анализ алгоритмической сложности новых алгоритмов логического вывода; теоретическое сравнение эффективности;
  • разработка программных средств автоматического доказательства теорем, верификации программ, экспертных систем.

Основные ожидаемые результаты:

  • реализация обратного метода Маслова для логики предикатов первого порядка с различными системами аксиом и правилами вывода;
  • реализация метода Маслова для неклассических исчислений, имеющих практическую значимость (в частности, для модальных и сепарационных логик);
  • решение некоторых задач из библиотеки TPTP с помощью разработанных программ.

Перспективы проекта:

  • Развитие обратного метода с задачей создания системы автоматического логического вывода, превосходящей по эффективности существующие аналоги, работающие на методе резолюций;
  • Разработка систем логического вывода, использующих совместно обратный и прямой метод с внедрением различных оптимизирующих стратегий;
  • Решение практических и теоретических задач (верификация ПО, теория графов, комбинаторика, абстрактные алгебраические структуры, экспертные системы) посредством разработанных методов, алгоритмов и программ;
  • доклады на международных конференциях с публикацией в изданиях, цитируемых в базах Scopus и Web of Science.

Целью НИР на 2014 г. было создание программного комплекса для автоматического доказательства теорем в различных исчислениях на основе обратного метода Маслова.

Основные требования: сравнимое с существующими аналогами быстродействие, применимость к классическим и неклассическим логикам, способность решать задачи средней сложности библиотекTPTP и ILTP, реализации заложенных в методе Маслова преимуществ перед другими методами АТД; в перспективе – более высокое быстродействие, решение трудных задач библиотек TPTP иILTP.

Задачи:

1. Реализация обратного метода для классической логики предикатов первого порядка.

2. Выбор или разработка и реализация подходящих стратегий ускорения и оптимизации.

3. Построение неклассических логических исчислений для реализации в них обратного метода (теоретическая часть).

4. Реализация обратного метода в неклассических логиках (практическая часть).

5. Решение задач библиотек TPTP и ILTP.

6. Совершенствование разработанной программы (быстродействие, расширение применяемых логик).

Исследование проводится аспирантом В. Павловым. Реализован обратный метод для классической логики первого порядка (задача 1). Построено интуиционистское исчисление для обратного метода (задача 3). Программа доказывает первые теоремы (задачи 4, 5). Разрабатываются и реализуются стратегии ускорения (задачи 2, 6).

Результаты работ были изложены в докладах:

Vladimir Pavlov and Vadim Pak. The Inverse Method and First-Order Logic Theorem Proving. In: Nonlinear Dynamics and Applications: Proceedings of the Twenty First Annual Seminar NPCS’2014, Minsk, May 20-23, 2014, Vol.20, pp. 127-135.

Vladimir Pavlov and Vadim Pak An Overview of First-Order Logic Theorem Proving Techniques, Based on the Inverse Method. XVII International Conference Foundations & Advances in Nonlinear Science, Minsk, September, 29 October, 3, 2014.

По полученным результатам возможен выход аспиранта на защиту диссертации в конце 2015 года.

Проект 1.2. «Автоматизация нечёткого логического вывода».

Цельью проекта является создание программного комплекса для автоматической проверки программного кода на основе нечёткой логики.

Исследование проводится студентом магистратуры А. Суворовым.

НИР находятся на начальной стадии. Проведён обзор предметной области (нечёткие логики, их применение для решения прикладных задач), сформулирована проблема, формулируются требования и задачи этапов (НИРС 2014 г.).

Решение проблемы будет темой магистерской диссертации в 2016 г.

Направление 2. Прикладные исследования по развитию инновационных методов регистрации, обработки и автоматизированной диагностики в медицинских изображениях:

Проект 2.1. «Инновационные методы распознавания объектов в цифровых рентгеновских изображениях».

Ответственный исполнитель проекта: к.ф.-м.н. Белых И.Н.

Цель проекта: разработка методов обработки рентгеновских изображений для повышения надежности принятия диагностических решений в автоматизированном режиме.

Задачами проекта являются:

  • разработка математического аппарата для описания компонент рентгеновского излучения;
  • разработка алгоритмов численного решения обратных задач и проведение численных экспериментов;
  • тестирование алгоритмов на представительном наборе экспериментальных изображений.
  • Основные ожидаемые результаты:
  • доклады на международных конференциях с публикацией в изданиях, цитируемых в базах Scopus и Web of Science;
  • внедрение результатов в продукцию высокотехнологичных компаний-разработчиков систем PACS для медицины.

Целью НИР на 2014 г. была разработка эффективных методов повышения контрастности и четкости рентгеновских изображений, распознавания и подавление в них различных артефактов для повышения диагностического качества.

В результате НИРС подготовлена и защищена в 2014 г. дипломная работа специалиста Самсоновой Р. По теме «Повышение четкости цифровых рентгеновских изображений методом эквализации пространственных частот».

Результаты работ изложены в докладах на международных конференциях в Малайзии и Индии:

Igor Belykh. Grid Artifacts Detection and Suppression in Computed Radiographic Images. World Academy of Science, Engineering and Technology: XII International Conference on Medical Image Processing and Analysis (ICMIPA-2014), Kuala Lumpur, Malaysia, August 25-26, 2014.

Igor Belykh. Homomorphic filtering for radiographic image contrast enhancement and artifacts elimination. 3rd International Conference on Frontiers of Intelligent Computing: Theory and Applications (FICTA-2014), Bhubaneswar, November 14-15, 2014.

Igor Belykh. Robust pattern recognition algorithm for artifacts elimination in digital radiography images. Emerging Intellectual Computer Technologies for Bridging the Future, The 49th Annual Convention of the Computer Society of India (CSI-2014), Hyderabad, India, December 14-16, 2014.

Проект 2.2. «Разработка инновационного подхода для регистрации и обработки высокоразрешающих ультразвуковых медицинских изображений».

Ответственный исполнитель проекта: к.ф.-м.н. Белых И.Н.

Цель проекта: разработка математического аппарата и модели для проведения ультразвуковых медицинских исследований повышенного качества.

Задачами проекта являются:

  • разработка математического аппарата для решения задачи обратного рассеяния ультразвукового поля в 2-D и 3-D постановках;
  • разработка алгоритмов численного решения задачи и проведение численных экспериментов;
  • тестирование результатов работы алгоритмов на экспериментальных данных.

Основные ожидаемые результаты:

  • доклады на международных конференциях с публикацией в изданиях, цитируемых в базах Scopus и Web of Science;
  • внедрение результатов в продукцию высокотехнологичных компаний-разработчиков и производителей рабочих станций для ультразвуковых исследований.

Результаты работ изложены в статье:

Микрюков А. Разработка алгоритма построения ультразвуковой дифракционной двумерной картины моделируемой области с помощью лучевой трассировки. «Молодой ученый» , раздел «Технические науки» №21 (80), 2014, с. 183-187.

Запланирована публикация свежих результатов на студенческой научной конференции в апреле 2015 г. и защита магистерской диссертации с последующим поступлением в аспирантуру в 2015 г. для дальнейшей работы над этим проектом.

Направление 3. Разработка интеллектуальных систем для задач технического мониторинга и дефектоскопии.

Проект 3.1. Разработка системы мониторинга и оповещения в технологических процессах Службы пути ОАО «РЖД».

Ответственный исполнитель проекта: к.ф.-м.н. Белых И.Н.

Цель проекта: разработка системы распознавания приближающегося поезда и оповещения ремонтных бригад РЖД, превосходящей существующие аналоги по основным показателям.

Задачами проекта являются:

  • разработка архитектуры аппаратно-программного комплекса системы;
  • разработка алгоритмической платформы системы;
  • разработка и испытания макета системы.

Основные ожидаемые результаты:

  • разработанный прототип системы;
  • проведение опытных испытаний системы с участием потенциального заказчика.

Перспективой проекта является заключение договора СПбГПУ с ОАО «РЖД» на проведение НИОКР на разработку опытного образца системы.

Целью НИР на 2014-15 гг. является доработка имеющейся версии регистрирующей и сервисной части системы, а также разработка альтернативного подхода обнаружения поезда методами распознавания образов повышенной производительности и надежности.

По результатам доработки системы планируется защита двух дипломных работ специалистов с публикацией статей на студенческой научной конференции в апреле 2015 г.

II. Научно-образовательная работа

Разработан курс «Распознавание образов в современных компьютерных технологиях» (РОСКТ) в качестве дисциплины базовой части ООП с использованием подхода CDIO и планируется к внедрению в учебный процесс профессионального цикла М.2 по направлениям подготовки магистров в 2015-16 учебном году. Курс обеспечен методическими материалами, доступными дистанционно на портале университета с аттестацией по уровню 2. Курс РОСКТ состоит из двух основных блоков – теоретического и прикладного, как в лекционной части, так и в лабораторных занятиях, и направлен на подготовку специалистов, умеющих обоснованно и результативно применять теоретические и прикладные методы, модели и инструменты распознавания образов при решении практических задач в области интеллектуальных компьютерных технологий.

III. Научно-исследовательская работа студентов НИРС

В настоящее время сотрудники лаборатории руководят проектами по соответствующим их компетенции направлениям или являются их ответственными исполнителями, а также руководят научно-исследовательской работой студентов.

В 2014-15 учебном году к научным исследованиям по проектам лаборатории привлечены следующие студенты специалитета и магистратуры и второго высшего образования:

1. Гопкало Н.

2. Марков Д.

3. Сидорова Е.

4. Семенов П.

5. Галкин Н.

6. Ветров Д.

7. Грекис Е.

8. Ковшов М.

9. Корнелюк И.

10. Микрюков А.

11. Кудрявцев А.

12. Осипова А.

13. Павлов С.

14. Суворов А.

15. Цейлер Д.

16. Чернов А.

Результатами НИРС являются публикации и доклады на научных конференциях и выпускные квалификационные работы.

IV. Организационная и публикационная деятельность

Белых И.Н. был со-председателем секции на международной конференции в Малайзии ICMIPA-2014 (см. Сертификат):

Белых И.Н. и Пак В.Г. выступили в качестве рецензентов статей на международную конференцию в Индии FICTA-2014 включены в состав Review Board (см. Сертификат):

Белых И.Н. включен в состав International Advisory Committee трудов конференций FICTA-2014 и CSI-2014 в томах AISC 328 и 337, изданных в Springer.

Труды сотрудников ЛРО, студентов и асприантов опубликованы в следующих изданиях, цитируемых в базах Scopus, Web of Science, International Science Index, Web of Knowledge, и других:

1. Belykh, I. Grid Artifacts Detection and Suppression in Computed Radiographic Images. International Journal of Computer, Information, Systems and Control Engineering Vol:8 No:8, pp.1295-1298, 2014.

http://waset.org/publications/9999139/grid-artifacts-suppression-in-computed-radiographic-images

2. Belykh, I. Homomorphic filtering for radiographic image contrast enhancement and artifacts elimination. Proceedings of the 3rd International Conference on Frontiers of Intelligent Computing: Theory and Applications (FICTA) 2014, Advances in Intelligent Systems and Computing Volume 328, 2015, pp 423-430.

http://link.springer.com/chapter/10.1007%2F978-3-319-12012-6_46

3. Belykh, I. Robust pattern recognition algorithm for artifacts elimination in digital radiography images. Emerging ICT for Bridging the Future Proceedings of the 49th Annual Convention of the Computer Society of India (CSI) Volume 1, Advances in Intelligent Systems and Computing Volume 337, 2015, pp 321-328.

http://link.springer.com/chapter/10.1007/978-3-319-13728-5_36

4. Pavlov, V., Pak, V. The Inverse Method and First-Order Logic Theorem Proving. «Nonlinear Phenomena in Complex Systems» (в печати).

5. Pavlov, V., Pak, V. An Overview of First-Order Logic Theorem Proving Techniques Based on the Inverse Method. «Nonlinear Phenomena in Complex Systems» (в печати).

6. Микрюков А. Разработка алгоритма построения ультразвуковой дифракционной двумерной картины моделируемой области с помощью лучевой трассировки. «Молодой ученый» , раздел «Технические науки» №21 (80), 2014, с. 183-187.